基于語音處理技術(shù)的汽車售后智能客服系統(tǒng)設(shè)計(jì)

黎飛 張森 程登 王興月 蘇國傳 張亮

摘 要：汽車行業(yè)的售后客服團(tuán)隊(duì)通常面臨著人員流動(dòng)性大、專業(yè)性不足、容易產(chǎn)生負(fù)面情緒、長時(shí)間工作等問題。此外，售后客服人員所使用的工具非常單一，如電話，微信或QQ等，不夠智能，導(dǎo)致了整個(gè)汽車售后服務(wù)的成本高，效率低下，用戶的體驗(yàn)不好。本文利用前沿的大數(shù)據(jù)技術(shù)及語音處理技術(shù)與客服業(yè)務(wù)相結(jié)合，設(shè)計(jì)了一種汽車售后智能客服系統(tǒng)，幫助售后服務(wù)團(tuán)隊(duì)降低成本，提高效率，提升用戶體驗(yàn)。

關(guān)鍵詞：語音技術(shù) 智能 客服

Abstract：After-sales customer service teams in the automotive industry usually face problems such as high turnover， insufficient professionalism， prone to negative emotions， and long working hours. In addition， the tools used by after-sales customer service staff are very single， such as phone calls， WeChat， or QQ， which are not smart enough， resulting in high cost， low efficiency， and poor user experience for the entire automotive after-sales service. This paper uses cutting-edge big data technology and voice processing technology to combine with customer service business to design an automotive after-sales intelligent customer service system to help after-sales service teams reduce costs， improve efficiency， and enhance user experience.

Key words：voice technology， intelligence， customer service

1 引言

近些年來隨著國家經(jīng)濟(jì)的高速發(fā)展，人民的生活水平蒸蒸日上，大眾對于消費(fèi)的要求也相應(yīng)地提高，隨之而來的是大眾關(guān)于各種商品的抱怨及投訴日益增多。汽車作為高價(jià)值的商品，已然成為抱怨投訴的焦點(diǎn)之一。各車企為了在激烈的市場競爭中處于優(yōu)勢地位，均把客戶服務(wù)作為留住用戶，提升用戶粘性的重要手段，售后客服團(tuán)隊(duì)成為直面用戶的一線團(tuán)隊(duì)承擔(dān)了巨大的壓力。傳統(tǒng)的企業(yè)售后客服團(tuán)隊(duì)通常存在人數(shù)眾多，長時(shí)間集中辦工，直面較多負(fù)面情緒，不熟悉企業(yè)各業(yè)務(wù)流程等問題，從而導(dǎo)致人員流動(dòng)頻率高，服務(wù)響應(yīng)慢等一系列弊端;同時(shí)，企業(yè)需要為此支付大量的培訓(xùn)費(fèi)，場地費(fèi)，通信費(fèi)等，且培訓(xùn)周期長，見效慢。但隨著技術(shù)的進(jìn)步，尤其是大數(shù)據(jù)，語音處理技術(shù)的突飛猛進(jìn)，這些技術(shù)的整合，并與客服業(yè)務(wù)的深度融合之后所形成的汽車售后智能客服系統(tǒng)，將極大地改善了這些現(xiàn)狀。

2 總體方案

汽車售后智能客服系統(tǒng)相對于傳統(tǒng)統(tǒng)計(jì)分析方式，在使用過程中數(shù)據(jù)沉淀和分析采用了ASR、NLP、大數(shù)據(jù)分析挖掘等技術(shù)，具備更高的效益與優(yōu)勢。首先從成本考慮，該系統(tǒng)在采集、整理客服過程中數(shù)據(jù)，全程序自動(dòng)采集，不再需要人為統(tǒng)計(jì)。另因?yàn)椴捎脴?biāo)準(zhǔn)化的、基于語義結(jié)構(gòu)的統(tǒng)一底層數(shù)據(jù)存儲(chǔ)格式，更有利于支撐上層業(yè)務(wù)的多樣性使得拓展成本低。其次該系統(tǒng)依托于強(qiáng)大的算力，可以對大量的數(shù)據(jù)進(jìn)行整理與計(jì)算，不再局限于人力的限制，對數(shù)據(jù)采集來源的全覆蓋，可針對于真實(shí)環(huán)境進(jìn)行全量的采集，保證數(shù)據(jù)的完整性。最后語音對話實(shí)時(shí)轉(zhuǎn)文本，并可進(jìn)行語義分析，可快速定位問題，形成有效QA。同步對過程的數(shù)據(jù)基于語義分析的實(shí)時(shí)監(jiān)控，可查看對話過程的詳細(xì)效果對比和全局?jǐn)?shù)據(jù)。

該系統(tǒng)從邏輯上共分為六個(gè)層，分別是服務(wù)渠道層，業(yè)務(wù)方式層，語音技能層，控制管理層，專家知識庫?？傮w業(yè)務(wù)架構(gòu)如圖1。

服務(wù)渠道層：用于對接售后服務(wù)的渠道，識別服務(wù)來源。目前最主要的是400服務(wù)熱線和企業(yè)App售后服務(wù)模塊。

業(yè)務(wù)方式層：主要有自助服務(wù)，客服服務(wù)，專家服務(wù)。當(dāng)用戶進(jìn)入時(shí)，系統(tǒng)首先啟動(dòng)自助服務(wù)，并通過語音技能層，控制管理層，專家知識庫等識別用戶的問題并找到最佳的話術(shù)進(jìn)行回復(fù);當(dāng)系統(tǒng)識別自助服務(wù)無法解決用戶的問題時(shí)或用戶自主選擇人工服務(wù)，此時(shí)將接入人工的客服服務(wù)，若問題的專業(yè)性超出了客服的能力范圍，便將接入專家服務(wù)。專家團(tuán)隊(duì)主要由各領(lǐng)域資深汽車工程師負(fù)責(zé)。通過這種方式能極大的分擔(dān)了客服人員的壓力，同時(shí)可以降低客服人員的技術(shù)門檻。

語音技能層：用于語音的識別，語義理解，自然語言的生成與語音合成。將用戶的語音輸入轉(zhuǎn)成文本，并通過分詞，標(biāo)注，句法分析等技術(shù)完成對于用戶語義的理解。同時(shí)該層將專家知識庫里匹配的話術(shù)通過語言生成技術(shù)生成并通過語音合成技術(shù)轉(zhuǎn)化成語音播放。

控制管理層：用于對話管理及語言理解后的專家知識庫匹配。用戶的交流不是一問一答就結(jié)束了，往往是多輪交互，故需要通過多輪對話的管理不斷的理解用戶的真實(shí)意圖。在理解用戶意圖之后通過搜索管理到專家?guī)熘袑ふ蚁嚓P(guān)性最強(qiáng)的主題并匹配最優(yōu)話術(shù)。

專家知識庫：提供車輛各子系統(tǒng)知識庫。將該知識庫按整車系統(tǒng)結(jié)構(gòu)進(jìn)行劃分為不同主題子庫，分別由各領(lǐng)域資深工程師負(fù)責(zé)更新和維護(hù)。

2.1 關(guān)鍵技術(shù)

2.1.1 語音處理技術(shù)

核心技術(shù)包括語音識別，自然語言理解，自然語言生成，語音合成，其中

語音識別（ASR）即自動(dòng)語音識別Automatic Speech Recognition。該技術(shù)是通過語音信號處理將人類的語音轉(zhuǎn)換為計(jì)算機(jī)可讀的內(nèi)容，主要包括特征提取、模式匹配、參考模式庫等三個(gè)關(guān)鍵環(huán)節(jié)。語音信號輸入后通過模數(shù)轉(zhuǎn)換，量化降噪等語音預(yù)處理技術(shù)進(jìn)行數(shù)據(jù)清洗，接著提取語音特征，并與已經(jīng)建立好的語音特征庫進(jìn)行比較，找到最優(yōu)的識別結(jié)果。

自然語言理解（NLU）即Natural Language Understanding，用計(jì)算機(jī)模擬人的語言交互過程，使計(jì)算機(jī)能理解和運(yùn)用人類社會(huì)的自然語言如漢語、英語等，實(shí)現(xiàn)人機(jī)之間的自然語言通信，以代替人的部分腦力勞動(dòng)，如查詢資料、解答問題等。

自然語言生成（NLG）即Natural Language Generation，其使計(jì)算機(jī)具有人一樣的表達(dá)和寫作的功能，能夠根據(jù)一些關(guān)鍵信息及其在機(jī)器內(nèi)部的表達(dá)形式，經(jīng)過一個(gè)規(guī)劃過程，來自動(dòng)生成一段高質(zhì)量的自然語言文本，是NLU的逆過程。

語音合成（TTS）又稱文本語音轉(zhuǎn)換技術(shù)，即Text To Speech。其將計(jì)算機(jī)自己產(chǎn)生的、或外部輸入的文字信息轉(zhuǎn)變?yōu)槿丝梢月牭枚?、流利的漢語口語或其他語言輸出的技術(shù)。

以上技術(shù)建立了人與系統(tǒng)實(shí)時(shí)溝通的橋梁，同時(shí)將所有內(nèi)容轉(zhuǎn)換成了可存儲(chǔ)、分析的文本信息，為大數(shù)據(jù)分析奠定了基礎(chǔ)。

2.2 對話管理及搜索

對話管理（DM）即Dialog Management，它模擬和控制著整個(gè)人機(jī)對話的過程。由于日常生活人們交流過程中往往不能一次性將關(guān)鍵信息說完或?qū)⒁鈭D描述清楚，需要多輪的問答之后才漸漸清晰。該功能十分重要，若對話交互次數(shù)較多容易讓人產(chǎn)生煩躁情緒，而“智能化”也無從談起。對話管理主要包含四項(xiàng)內(nèi)容。（1）對話狀態(tài)維護(hù)：主要是對前一時(shí)刻和當(dāng)前時(shí)刻的對話狀態(tài)，用戶行為進(jìn)行記錄和更新;（2）系統(tǒng)決策生成：根據(jù)對話狀態(tài)產(chǎn)生系統(tǒng)行為;（3）與后端任務(wù)或模型進(jìn)行交互：獲取反饋對的結(jié)果，生成文字信息。（4）提供語義表達(dá)的期望值：根據(jù)用戶輸入的表達(dá)，包括語言表達(dá)和語義解析，做出滿足用戶期望的語義表達(dá)，滿足用戶需求。該技術(shù)保障了用戶反饋的問題能在第一時(shí)間能夠找到解決方案。在應(yīng)用過程中不斷積累實(shí)施案列，后臺工程師對管理與搜索算法實(shí)時(shí)調(diào)優(yōu)，讓系統(tǒng)不斷的成長。

2.3 專家知識庫

知識庫主要功能是存儲(chǔ)和管理各領(lǐng)域?qū)＜以陂L期工作時(shí)間中所獲得的經(jīng)驗(yàn)知識，全面“TO C”，其質(zhì)量好壞直接影響智能客服系統(tǒng)的“質(zhì)量”。通過系統(tǒng)收集各渠道來的問題，經(jīng)整理匯總后分成不同的問題域并邀請?jiān)擃I(lǐng)域?qū)＜抑贫ńy(tǒng)一話術(shù)及處理措施。該知識庫可與企業(yè)用戶畫像系統(tǒng)打通，通過對用戶駕駛行為，充電加油行為，出行習(xí)慣等多維度分析可將知識庫中的相關(guān)知識推薦給用戶，并結(jié)合用戶的對于信息的反饋，可不斷地更新完善現(xiàn)有的知識庫。

3 結(jié)語

基于語音處理技術(shù)的汽車售后智能客服系統(tǒng)是將語音處理，大數(shù)據(jù)等多種前沿技術(shù)相結(jié)合并應(yīng)用在汽車售后服務(wù)業(yè)務(wù)中，它有效的降低了客服人員的工作強(qiáng)度和難度，提升了整個(gè)售后服務(wù)的效率和用戶體驗(yàn)。

柳州市科技計(jì)劃項(xiàng)目（2021ADB0101）。

參考文獻(xiàn)：

[1]張志強(qiáng)，汪健雄，靳超.鐵路智能客服關(guān)鍵技術(shù)研究[J].鐵路計(jì)算機(jī)應(yīng)用，2019，28（09）：1-5.

[2]王冰純，毛妍捷，孫濱頤，吳獻(xiàn)策，湯逸震.基于大數(shù)據(jù)背景下的人工智能客服系統(tǒng)[J].電子測試，2018（13）：72-73.

[3]程廣兵.運(yùn)營商問答系統(tǒng)融入AI 打造智能客服[J].通信世界，2018（14）：45-47.